Fehlerfunktion
Als Fehlerfunktion oder Gaußsche Fehlerfunktion bezeichnet man in der Theorie der speziellen Funktionen die durch das Integral
- <math>\operatorname{erf}(x) = \frac 2{\sqrt\pi} \int_0^x e^{-t^2}\,\mathrm dt</math>
definierte Funktion.<ref>Bronstein, Semendjajew, Taschenbuch der Mathematik, 6. Auflage, S. 782</ref> Damit ist die Fehlerfunktion eine Stammfunktion von <math>\tfrac 2{\sqrt\pi} e^{-t^2}</math>, und zwar die einzige ungerade (gerade Funktionen mit Stammfunktion besitzen genau eine ungerade solche).
Für ein reelles Argument <math>x</math> ist <math>\operatorname{erf}</math> eine reellwertige Funktion; zur Verallgemeinerung auf komplexe Argumente siehe unten.
Die Fehlerfunktion ist eine Sigmoidfunktion, findet Anwendung in der Statistik und in der Theorie der partiellen Differentialgleichungen und hängt eng mit dem Fehlerintegral zusammen.
Bezeichnungen
Die Bezeichnung <math>\textrm{erf}(x)</math> kommt von error function.
Taylor-Reihe
Der Integrand der Fehlerfunktion hat folgende Reihendarstellung:
- <math>e^{-t^2} = \sum_{n=0}^\infty \frac{(-1)^n}{n!} \cdot t^{2n}</math>
Auf Kreisschreiben <math>\overline{D_r(0)} \subset \mathbb{C}</math> konvergieren die Taylorsummen <math>\textstyle f_{_N}(t) = \sum_{n=0}^N \frac{(-1)^n}{n!} \cdot t^{2n}</math> gleichmäßig gegen den Integranden <math>e^{-t^2}</math> der Fehlerfunktion. Daher kann man die Stammfunktion auf <math>\overline{D_r(0)}</math> bilden und mit dem Identitätssatz kann man die Stammfunktion des Integranden als ganze Funktion auf <math>\mathbb{C}</math> erweitern. Dies liefert eine Stammfunktion von <math>e^{-t^2}</math>:
- <math>F(x) = \sum_{n=0}^\infty \frac{(-1)^n}{n!\cdot (2n+1)} \cdot x^{2n+1}</math>
Mit <math>F(0)=0</math> kann man diese Potenzreihendarstellung für <math>\operatorname{erf}(x)</math> verwenden.
- <math>\operatorname{erf}(x) = \frac 2{\sqrt\pi} \sum_{n=0}^\infty \frac{(-1)^n}{n!\cdot (2n+1)} \cdot x^{2n+1} </math>
Komplementäre Fehlerfunktion
Die komplementäre (bzw. konjugierte) Fehlerfunktion <math>\operatorname{erfc}(x)</math> ist gegeben durch
- <math>
\begin{array}{rcl}
\operatorname{erfc}(x)
& = &
1 - \operatorname{erf}(x)
\\
& = &
\displaystyle
\frac 2{\sqrt\pi} \int_x^\infty e^{-t^2}\,\mathrm dt.
\end{array}
</math>
Punktsymmetrie des Graphen
Die Punktsymmetrie des Graphen der Fehlerfunktion ergibt sich direkt über die ungeraden Exponenten mit <math>F(-x)=-F(x)</math>. Daher erfüllt sowohl <math>\operatorname{erf}</math> als auch <math>\operatorname{erfc}</math> die folgende Eigenschaften:
- <math>
\operatorname{erf}(-x) = -\operatorname{erf}(x) \quad \operatorname{erfc}(-x) = -\operatorname{erfc}(x) </math>
Verallgemeinerte Fehlerfunktion
Die verallgemeinerte Fehlerfunktion <math>\operatorname{erf}(a,b)</math> wird durch das Integral
- <math>\operatorname{erf}(a,b) = \frac 2{\sqrt\pi} \int_a^b e^{-t^2}\,\mathrm dt = \frac 2{\sqrt\pi} \cdot (F(b)-F(a))</math>
definiert.
Eigenschaften
Es gilt:
- <math>\operatorname{erf}(a,b)=\operatorname{erf}(b)-\operatorname{erf}(a)</math>
Die Fehlerfunktion ist ungerade:
- <math>\operatorname{erf} (-x) = -\operatorname{erf} (x)</math>
Das uneigentliche Integral von <math>-\infin</math> bis <math>+\infin</math> ist
- <math>\frac 2{\sqrt\pi} \int_{- \infty}^{+ \infty} e^{-t^2}\,\mathrm dt = 2</math>
Außerdem gilt:
- <math> \operatorname{erf}(x)^2 = \frac{4}{\pi} \int_{0}^{1} \frac{1-\exp[-x^2(y^2+1)]}{y^2+1} \mathrm{d}y </math>
Verwendung
Verwandtschaft mit der Normalverteilung
Die Fehlerfunktion hat eine gewisse Ähnlichkeit mit der Verteilungsfunktion der Normalverteilung. Sie hat jedoch eine Zielmenge von <math>(-1,1)</math>, während eine Verteilungsfunktion zwingend Werte aus dem Bereich <math>[0,1]</math> annehmen muss.
Es gilt für die Standardnormalverteilung
- <math>
\begin{array}{rcl}
\Phi(x)
& = &
\frac 12\left(1+\operatorname{erf}\left(\frac x{\sqrt 2}\right)\right) \\
& = &
\displaystyle
\frac{1}{2} +
\frac{1}{\sqrt{2\pi}}\cdot
\sum_{n=0}^\infty
\frac{1}{n!\cdot (2n+1)} \cdot \left(\frac{-1}{2}\right)^n
\cdot
x^{2n+1}
\end{array}
</math> bzw. für die Verteilungsfunktion <math>F</math> einer beliebigen Normalverteilung mit Standardabweichung <math>\sigma</math> und Erwartungswert <math>\mu</math>
- <math>F(x) = \frac 12\left(1+\operatorname{erf}\left(\frac{x-\mu}{\sigma\sqrt 2}\right)\right).</math>
Messreihe - Messfehler
Falls die Abweichungen der einzelnen Ergebnisse einer Messreihe vom gemeinsamen Mittelwert durch eine Normalverteilung mit Standardabweichung <math>\sigma</math> und Erwartungswert 0 beschrieben werden können, dann ist <math>\textstyle \operatorname{erf}\left(\frac a{\sigma \sqrt 2}\right)</math> die Wahrscheinlichkeit, mit der der Messfehler einer einzelnen Messung zwischen <math>-a</math> und <math>+a</math> liegt (für positives <math>a</math>).
Pseudozufallszahlen
Die Fehlerfunktion kann verwendet werden, um mit Hilfe der Inversionsmethode normalverteilte Pseudozufallszahlen zu generieren.<ref>Für eine konkrete Implementierung siehe z. B. Peter John Acklam: <templatestyles src="Webarchiv/styles.css" />An algorithm for computing the inverse normal cumulative distribution function. ( vom 5. Mai 2007 im Internet Archive)</ref>
Wärmeleitungsgleichung
Die Fehlerfunktion und die komplementäre Fehlerfunktion kommen beispielsweise in Lösungen der Wärmeleitungsgleichung vor, wenn Randwertbedingungen durch die Heaviside-Funktion vorgegeben sind.
Numerische Berechnung
Die Fehlerfunktion ist wie die Verteilungsfunktion der Normalverteilung nicht durch eine geschlossene Funktion darstellbar und muss numerisch bestimmt werden.
Für kleine reelle Werte erfolgt die Berechnung mit der Reihenentwicklung
- <math>\operatorname{erf}(x)
= \frac {2}{\sqrt{\pi}}\sum_{n=0}^\infty\frac{(-1)^n x^{2n+1}}{(2n+1)n!} = \frac {2}{\sqrt{\pi}}\left(
x - \frac{x^3}{3} + \frac{x^5}{10} - \frac{x^7}{42} + \frac{x^9}{216} - \dotsb \right),</math>
für große reelle Werte mit der Kettenbruchentwicklung
- <math>\operatorname{erf}(x)
= 1 - \frac{1}{\sqrt\pi}\cdot\frac{e^{-x^2}}{x + \frac 1{2x + \frac 2{x + \frac 3{2x + \frac 4{x + \dotsb}}}}}.</math>
Für den kompletten Wertebereich gibt es folgende Approximation mit einem maximalen Fehler von <math>1{,}2\cdot10^{-7}</math>:<ref>Numerical Recipes in Fortran 77: The Art of Scientific Computing. Cambridge University Press, 1992, ISBN 0-521-43064-X, S. 214.</ref>
- <math>\operatorname{erf}(x)\approx\begin{cases}
1-\tau(x)\text{,} & \text{falls }x\ge 0 \text{,} \\ \tau(-x)-1 & \text{sonst,} \end{cases}</math> mit
- <math>\begin{array}{rcl}
\tau(x) & = & t\cdot\exp\bigl(-x^{2}-1{,}26551223+1{,}00002368\cdot t+0{,}37409196\cdot t^{2}+0{,}09678418\cdot t^{3}\\
& & \qquad-0{,}18628806\cdot t^{4}+0{,}27886807\cdot t^{5}-1{,}13520398\cdot t^{6}+1{,}48851587\cdot t^7\\
& & \qquad-0{,}82215223\cdot t^{8}+0{,}17087277\cdot t^{9}\bigr)
\end{array}</math> und
- <math>t=\frac{1}{1+0{,}5\,|x|}.</math>
Eine für alle reellen Werte von <math>x</math> schnell konvergierende Entwicklung<ref>H. M. Schöpf, P. H. Supancic: On Bürmann’s Theorem and Its Application to Problems of Linear and Nonlinear Heat Transfer and Diffusion. In: The Mathematica Journal, 2014. doi:10.3888/tmj.16-11.</ref> erhält man unter Verwendung des Theorems von Heinrich H. Bürmann:<ref>Moritz Cantor: Bürmann, Heinrich. In: Allgemeine Deutsche Biographie (ADB). Band 47, Duncker & Humblot, Leipzig 1903, S. 392–394.</ref><ref>E. W. Weisstein: Bürmann’s Theorem. mathworld</ref>
- <math>\begin{align}\operatorname{erf}(x)&=\frac{2 }{\sqrt{\pi}}\sgn(x)\sqrt{1-e^{-x^2}}\left(1-\frac{1}{12}\left(1-e^{-x^2}\right)-\frac{7}{480}\left(1-e^{-x^2}\right)^2-\frac{5}{896}\left(1-e^{-x^2}\right)^3-\frac{787}{276 480}\left(1-e^{-x^2}\right)^4-\ \cdots\right) \\
&=\frac{2 }{\sqrt{\pi}}\sgn(x)\sqrt{1-e^{-x^2}}\left(\frac{\sqrt{\pi }}{2}+\sum_{k=1}^\infty c_k e^{-k \, x^2}\right)\end{align}</math> Durch geeignete Wahl von <math>c_{1}</math> und <math>c_{2}</math> ergibt sich daraus eine Näherung, deren größter relativer Fehler bei <math>\textstyle x=\pm 1{,}3796 </math> kleiner als <math>\textstyle 3{,}6127\cdot10^{-3}</math> ist:
- <math>\operatorname{erf}(x)\approx \frac{2 }{\sqrt{\pi}}\sgn(x)\sqrt{1-e^{-x^2}}\left(\frac{\sqrt{\pi }}{2}+\frac{31}{200}\,e^{-x^2}-\frac{341}{8000}\,e^{-2\,x^2}\right)</math>
Wertetabelle
| <math>x</math> | <math>\operatorname{erf}(x)</math> | <math>\operatorname{erfc}(x)</math> | <math>x</math> | <math>\operatorname{erf}(x)</math> | <math>\operatorname{erfc}(x)</math> | |
|---|---|---|---|---|---|---|
| 0,00 | 0,0000000 | 1,0000000 | 1,30 | 0,9340079 | 0,0659921 | |
| 0,05 | 0,0563720 | 0,9436280 | 1,40 | 0,9522851 | 0,0477149 | |
| 0,10 | 0,1124629 | 0,8875371 | 1,50 | 0,9661051 | 0,0338949 | |
| 0,15 | 0,1679960 | 0,8320040 | 1,60 | 0,9763484 | 0,0236516 | |
| 0,20 | 0,2227026 | 0,7772974 | 1,70 | 0,9837905 | 0,0162095 | |
| 0,25 | 0,2763264 | 0,7236736 | 1,80 | 0,9890905 | 0,0109095 | |
| 0,30 | 0,3286268 | 0,6713732 | 1,90 | 0,9927904 | 0,0072096 | |
| 0,35 | 0,3793821 | 0,6206179 | 2,00 | 0,9953223 | 0,0046777 | |
| 0,40 | 0,4283924 | 0,5716076 | 2,10 | 0,9970205 | 0,0029795 | |
| 0,45 | 0,4754817 | 0,5245183 | 2,20 | 0,9981372 | 0,0018628 | |
| 0,50 | 0,5204999 | 0,4795001 | 2,30 | 0,9988568 | 0,0011432 | |
| 0,55 | 0,5633234 | 0,4366766 | 2,40 | 0,9993115 | 0,0006885 | |
| 0,60 | 0,6038561 | 0,3961439 | 2,50 | 0,9995930 | 0,0004070 | |
| 0,65 | 0,6420293 | 0,3579707 | 2,60 | 0,9997640 | 0,0002360 | |
| 0,70 | 0,6778012 | 0,3221988 | 2,70 | 0,9998657 | 0,0001343 | |
| 0,75 | 0,7111556 | 0,2888444 | 2,80 | 0,9999250 | 0,0000750 | |
| 0,80 | 0,7421010 | 0,2578990 | 2,90 | 0,9999589 | 0,0000411 | |
| 0,85 | 0,7706681 | 0,2293319 | 3,00 | 0,9999779 | 0,0000221 | |
| 0,90 | 0,7969082 | 0,2030918 | 3,10 | 0,9999884 | 0,0000116 | |
| 0,95 | 0,8208908 | 0,1791092 | 3,20 | 0,9999940 | 0,0000060 | |
| 1,00 | 0,8427008 | 0,1572992 | 3,30 | 0,9999969 | 0,0000031 | |
| 1,10 | 0,8802051 | 0,1197949 | 3,40 | 0,9999985 | 0,0000015 | |
| 1,20 | 0,9103140 | 0,0896860 | 3,50 | 0,9999993 | 0,0000007 |
Komplexe Fehlerfunktion
.png){kind=link}
Die Definitionsgleichung der Fehlerfunktion kann auf komplexe Argumente <math>z</math> ausgeweitet werden:
- <math>\operatorname{erf}(z) = \frac 2{\sqrt\pi} \int_0^z e^{-\tau^2}\,\mathrm d\tau</math>
In diesem Fall ist <math> \operatorname{erf} </math> eine komplexwertige Funktion. Unter komplexer Konjugation gilt
- <math>\operatorname{erf} (z^{*}) = \operatorname{erf}(z)^{*} </math>.
Imaginäre Fehlerfunktion
Die imaginäre Fehlerfunktion <math>\operatorname{erfi}(x)</math> ist gegeben durch
- <math>\operatorname{erfi}(x) = \frac{\operatorname{erf}(\mathrm ix)}{\mathrm i}</math>
mit der Reihenentwicklung
- <math>\operatorname{erfi}(x)
= \frac {2}{\sqrt{\pi}}\sum_{n=0}^\infty\frac{x^{2n+1}}{n!(2n+1)} = \frac {2}{\sqrt{\pi}}\left(
x + \frac{x^3}{3} + \frac{x^5}{10} + \frac{x^7}{42} + \frac{x^9}{216} + \dotsb \right)</math>.
Zur Berechnung können <math>\operatorname{erf, erfi, erfc}</math> und weitere verwandte Funktionen auch durch die Faddeeva-Funktion <math>w(z)</math> ausgedrückt werden. Die Faddeeva-Funktion ist eine skalierte komplexe komplementäre Fehlerfunktion und auch als relativistische Plasma-Dispersions-Funktion bekannt. Sie ist mit den Dawson-Integralen und dem Voigt-Profil verwandt. Eine numerische Implementierung von Steven G. Johnson steht als C-Bibliothek libcerf zur Verfügung.<ref>Steven G. Johnson, Joachim Wuttke: libcerf.</ref>
Literatur
- Milton Abramowitz, Irene A. Stegun (Hrsg.): Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables. Dover, New York 1972, Chapter 7.
- William H. Press, Saul A. Teukolsky, William T. Vetterling, Brian P. Flannery: Numerical Recipes in C. 2. Auflage. Cambridge 1992, S. 220 ff. (PDF; 76 kB)
- Bronstein, I.N. und Semendjajew, K.A., Taschenbuch der Mathematik, 6. Auflage, Verlag Harri Deutsch, Frankfurt am Main 2005, S. 782
Einzelnachweise
<references />